Comportamiento muestral de los coeficientes del análisis discriminante

  1. Juan Andrés Hernández Cabrera
  2. Gustavo Mario Ramírez Santana
  3. Stephany Hess Medler
Journal:
Psicothema

ISSN: 0214-9915

Year of publication: 2000

Volume: 12

Issue: 4

Pages: 695-700

Type: Article

Export: RIS

Metrics

Cited by

  • Dialnet Métricas Cited by: 1 (17-09-2021)

JCR (Journal Impact Factor)

  • Year 2000
  • Journal Impact Factor: 0.473
  • Best Quartile: Q3
  • Area: PSYCHOLOGY Quartile: Q3 Rank in area: 54/105 (Ranking edition: SSCI)

SCImago Journal Rank

  • Year 2000
  • SJR Journal Impact: 0.212
  • Best Quartile: Q3
  • Area: Psychology (miscellaneous) Quartile: Q3 Rank in area: 112/187

CIRC

  • Social Sciences: A

Abstract

En la investigación aplicada, la relevancia de las variables introducidas en un Análisis Discriminante, se asigna a través de una evaluación heurística de los coeficientes típicos y de estructura de las funciones discriminantes. En este contexto, es una cuestión fundamental conocer cuál de los dos coeficientes presenta una mejor eficiencia relativa y, en consecuencia, cuál es más seguro a la hora de tomar decisiones sobre la contribución de las variables empíricas. En el presente trabajo se analiza el sesgo y la estabilidad de los coeficientes típicos y de estructura, asociados a las funciones discriminantes. De la combinación de estos dos índices resulta la eficiencia relativa de los coeficientes, demostrándose que los coeficientes de estructura presentan un mejor comportamiento muestral que los típicos, siendo, por lo tanto los primeros los que deben ser utilizados a la hora de interpretar el espacio discriminante

Bibliographic References

  • Borgen, F.H., & Seling, M.J. (1978). Uses of Discriminant Analysis Following MANOVA: Multivariate Statistics for Multivariate Purposes. Journal of Applied Psychology, 63, 689-697.
  • Camacho, J. (1990a). Interpretación del MANOVA: Análisis de la importancia de las Variables Dependientes. Qurrículum, 1, 107-120.
  • Camacho, J. (1990b). Un estudio de Monte Carlo sobre la estabilidad y el sesgo de los coeficientes en el análisis discriminante. Qurrículum, 2, 83-90 .
  • Fleishman, A.I. (1978). A method for simulating non-normal distributions. Psychometrika, 43, 521-529.
  • GAUSS System version 3.0. (1992). Washington: Aptech Systems, Inc.
  • Hernández Cabrera, J.A., San Luis, C., & Sánchez Bruno, J.A. (1995). Un programa GAUSS para simular distribuciones no normales multivariadas. Psicothema, 7, 427-434.
  • Huberty, C.J. (1994). Applied Discriminant Analysis. New York: Wiley.
  • Klecka, W.R. (1980). Discriminant Analysis. Beverly Hills: Sage.
  • McLachland, G.J. (1992). Discriminant Analysis and Statistical Pattern Recognition. New York: Wiley.
  • Mueller, R.O. & Cozard, J.B. (1988). Standardized Discriminant Coefficients: Wich Variance Estimate is Appropiate? Journal of Educational Statistics, 13, 313-318
  • Mueller, R.O. & Cozard, J. B. (1994). Standari zed Discriminant Coefficients: A re j o i n d e r. Jo u rnal of Educational Statistics, 18, 1 0 8 114.
  • Nordlund, D.J. & Nagel, R. (1981). Standarized Discriminant Coefficients revised. Journal of Educational Statistics, 16, 101-108.
  • Spector, P.E. (1977). What to Do with Significant Multivariate Effects in MANOVA. Journal of Applied Psychology, 62, 158-163.
  • Vale, C.D., & Maurelli, V.A. (1983). Simulating multivariate nonnormal distributions. Psychometrika, 48, 465-471.
  • Wilkinson, L. (1975). Response Variable Hypothesis in the Multivariate Analysis of Variance. Psychological Bulletin, 82, 408-412.